Questo articolo è stato pubblicato nell'ambito del Blogathon sulla scienza dei dati
introduzione
Toda carrera actual necesita tener una comunidad, un grupo de personas con las que podamos hablar sobre el trabajo, los errores, las ideas y aprender. Kaggle es la comunidad de ciencia de datos más grande y popular del mundo. Tener una comunidad así nos ayuda a sentir que “pertenecemos”, que es uno de los sentimientos cruciales para nuestra interacción social y nuestra salud.
In questo articolo, veremos a Kaggle como una comunidad completa y a Kaggle como una plataforma: todas sus diferentes herramientas, servicios y recursos disponibles para que podamos imparare Come practicar la ciencia de datos.
Veamos la interfaz que obtenemos cuando visitamos Kaggle por primera vez.
Antes de comenzar a usar Kaggle, necesitamos crear una cuenta y luego iniciar sessioneIl "Sessione" È un concetto chiave nel campo della psicologia e della terapia. Si riferisce a un incontro programmato tra un terapeuta e un cliente, dove si esplorano i pensieri, Emozioni e comportamenti. Queste sessioni possono variare in durata e frequenza, e il suo scopo principale è quello di facilitare la crescita personale e la risoluzione dei problemi. L'efficacia delle sessioni dipende dalla relazione tra il terapeuta e il terapeuta.., puoi vedere entrambe le opzioni nell'angolo in alto a destra. Una volta che hai finito con questo, così potrebbe sembrare.
Alcune delle cose visibili qui potrebbero essere diverse per te perché l'interfaccia è personalizzata con il modo in cui ho usato Kaggle finora dal momento in cui mi sono registrato.
Navbar e tutto ciò che abbiamo a nostra disposizione su Kaggle:
Una volta che clicco su 'altro', queste sono tutte le cose a cui posso accedere dal mio account Kaggle.
Secondo me, ci sono 4 cose importanti che fanno di Kaggle “IL MEGLIO”.
1. Corsi e certificati gratuiti disponibili
Ci sono molti corsi disponibili in più domini di apprendimento automatico e scienza dei dati. Non solo i corsi sono disponibili, dopo ogni lezione, ma ci sono anche quaderni di esercizi (esercizi) disponibili per familiarizzarsi con l'argomento. Per ottenere il tuo certificato gratuito di Kaggle, è necessario completare tutti i compiti e esercizi.
Ci sono pochi corsi in più, ma attraverso questo, volevo mostrarti che esiste una tale diversità di argomenti in questi corsi che non devi andare da nessuna parte, in qualsiasi momento per sentirti perso in qualche argomento o problema, ottieni aiuto da qui.
Lasciami mostrarti come appaiono questi corsi con un esempio:
Alla fine di ogni corso, c'è una lezione aggiuntiva, que es different en términos de contenido pero simile al caso de uso y comprensión del curso. En su mayoría incluyen algún tema famoso y / o poderoso. Aquí tenemos AutoML (di Google) para automatizar el aprendizaje automático.
2. Una enorme colección de conjuntos de datos disponibles públicamente / aportados para practicar / trabajar
Para cualquier tarea de ciencia de datos o aprendizaje automático o apprendimento profondoApprendimento profondo, Una sottodisciplina dell'intelligenza artificiale, si affida a reti neurali artificiali per analizzare ed elaborare grandi volumi di dati. Questa tecnica consente alle macchine di apprendere modelli ed eseguire compiti complessi, come il riconoscimento vocale e la visione artificiale. La sua capacità di migliorare continuamente man mano che vengono forniti più dati lo rende uno strumento chiave in vari settori, dalla salute..., necesitamos datos y muchos de ellos la mayor parte del tiempo. En lugar de navegar en diferentes sitios para diferentes tipos / tamaños de conjuntos de datos, Kaggle proporciona un lugar común para una gran colección de todos estos conjuntos de datos. Puede usarlos con un clic. Son extremadamente fáciles de usar.
Una vez que haga clic en “Set di dati” en la barra de navegación, esto es lo que verá. Puede buscar un conjunto de datos específico, Vogliamo iniziare a spiegarti com'è la procedura che devi eseguire nel caso tu abbia un PC con Windows / contribuir con su propio conjunto de datos a la comunidad o estudiar o comenzar a trabajar en un conjunto de datos, Conjuntos de datos de tendencias. (Conjuntos de datos de tendencias, Conjuntos de datos populares, Conjuntos de datos vistos recientemente)
Para la demostrazione, buscaré un conjunto de datos específico (“conjunto de datos de manchas solares”). Veamos cómo se ve.
El número en la selección roja es el número de votos positivos que le dieron las personas, para la opción más relevante / mi piace. Exploremos y veamos este conjunto de datos en detalle.
Hay muchas cosas que podemos utilizar para saber más sobre estos datos y empezar a trabajar de inmediato.
- Puoi scaricare il set di dati,
- cree un nuevo Kaggle Notebook con este conjunto de datos ya cargado.
- Algunos detalles sobre las columnas dentro de los datos.
- Actividades que involucran estos datos.
- Finalmente, ma non meno importante, todos los cuadernos creados y compartidos pubblicamente hasta la fecha que utilizan estos datos.
3. Competencias de ciencia de datos / apprendimento automatico / apprendimento profondo
Definitivamente no he participado en ninguno de ellos, me encanta cómo completamos en tiempo real un problema junto con la comunità de Kaggle y ganamos increíbles premios en effect (si participamos en esa competencia en particular). Definitivamente quiero participar algún día pronto, spero che las imágenes te motiven. No es necesario que solo las grandes empresas o las empresas ricas puedan hacer eso. Tú también puedes hacer eso. Hay ciertos protocolos que deben seguirse y listo, tienes tu propia competencia alojada.
He clasificado la competencia completada hasta hoy según su valor de recompensa. Mirar de cerca.
4. Cuadernos Kaggle (codice)
Para cualquier tarea relacionada con la ciencia de datos o informática, tenemos que escribir al menos algún código. Kaggle nos proporciona su propio entorno de Notebook con un cierto límite de cuánto podemos almacenar en ellos (colectivamente por cuenta), cuántas horas de GPU disponibles y cuántas horas de TPU disponibles. Están completamente integrados con todos los servicios de Kaggle y se pueden usare de forma independiente como cualquier altro ambiente de notebook (Datalore, Google Colab, Jupyter, eccetera.), lo que significa que puede usarlos para su práctica, competencias de Kaggle, cursos de Kaggle, analizando algunos Kaggle / o conjuntos de datos que no son de Kaggle y muchos más. Debes comprobarlos.
Al hacer clic en ese botón, crea su cuaderno o abre el cuaderno de otra persona que desea leer y aprender / confrontare. Todos estos cuadernos visibles se comparten pubblicamente de forma explícita, lo que significa que sus cuadernos no serán visibles para nadie a menos que usted elija hacerlo.
Para cambiar de CPU a GPU o TPU, siga esto:
Estas son la mayoría de las opciones funcionales que tiene a su disposición con respecto a este portátil:
Veamos cómo usarlos con datos (importados / tomados directamente de Kaggle / descargados de URL, eccetera.) y comience a trabajar en sus tareas de ciencia de datos.
Aquí le mostraré cómo usar ese conjunto de datos de “manchas solares” que vimos anteriormente. Empiece por buscar.
Ahora los datos se cargan correctamente. La selección de la imagen de arriba es el directorio en el que se almacena. Veamos un pequeño panda código sobre cómo importar el conjunto de datos.
Lo último que puede hacer después de completar su proyecto / trabajo es compartirlo con la comunidad en Kaggle. Este es un paso importante perché al compartir nuestras ideas, nuestro trabajo, ampliamos las utilidades disponibles para la comunidad y nos apoyamos mutuamente. Crecemos gracias a los demás.
A la izquierda del botón azul grande en la parte superior derecha, vedrai un “Condividere” pulsante. Fai clic en quello y seleziona Pubblico in el menu desplegable.
Espero che le haya gustado lo che ho visto en questa guida y esté ansioso por comenzar a usar Kaggle.
Gargeya Sharma
B.Tech Informatica 3er año
Specializzato in data science e deep learning
Data Scientist Intern presso Upswing Cognitive Hospitality Solutions
Per maggiori informazioni, controlla la mia home page di github
Il supporto mostrato in questo articolo non è di proprietà di DataPeaker e viene utilizzato a discrezione dell'autore.
